化学プラントにおける設備損傷のAI判定
事例概要
化学プラントにおける設備損傷の判定の標準化と保全判断の高度化を狙ったAIモデルの構築
Summary
| 課題 | ・損傷の特定が担当者の技量・経験に依存 ・過度な点検コストと保全的リスクの両方が存在 |
|---|---|
| アプローチ | ・100以上のモデルと、それぞれに最適化された判定モデルを構築 ・AIが得意な領域と、既存の判定システムが有効な領域を整理。両者を組み合わせた運用ルールを策定 |
| 成果 | ・モデル構築とユーザーテストの実施 ・実運用システムへの採択 |
| 期間 | 6ヶ月 |
課題
本プロジェクトでは、プラント内損傷の特定が担当者の技量や経験に依存していた状況を改善するため、AIを活用した損傷判定モデルの構築を行いました。損傷の見逃しを防ぎながら、不要な点検によるコスト増加を抑えるバランスを重視し、複数のモデルの開発と評価を実施しました。
アプローチ
- 損傷を見逃さないための再現率を最重要指標に据え、同時に無駄な点検を生む偽陽性を削減するバランスを追求
- Google CloudのVertex AIを採用し、データ件数が極端に少ない損傷機構に対しても、層化分割や不均衡対策を導入し、安定した学習を実現
- ベースモデルを構築・ベンチマークを設定後、複数アプローチによるモデル改善と、社内関係各所への調整によりデータ収集を実施
成果
- モデルを通じて複数のAIモデルを構築し、プラント損傷に対して最適なモデルを選定
- 運用方針として、データ件数に応じてAIモデル単独とドメインの知見をもとにしたAI&ドメイン知識を融合した判定ルールを策定
期間
6ヶ月